Hogyan érhetünk el a Spotify-on minél nagyobb közönséget?

A Womexen járt a Spotify munkatársa, Erich Ludwig senior product manager (aki civilben zenél is). Előadásában arról beszélt, hogy a Spotify-on hogyan érnek el globális közönséget a zenészek. Olyan példákat hozott, mint például a Belgiumból indult Stromae, akire a 2014-es Szigeten olyan sokan voltak kíváncsiak, hogy pánik alakult ki; valamint más, nem a szokványos helyekről származó vagy a legnépszerűbb műfajokat játszó, de kisebb-nagyobb globális közönséget elérő zenészek. Az adatokat elemezve a hallgatottság egyes országokban mutatkozó megugrásait gyakran a Spotify-on kívüli eseményekhez kötötte: az afropopot játszó The Very Best számai például azután emelkedtek jelentősen, hogy egy daluk bekerült a FIFA 16 játék zenéi közé. A szolgáltatáson belüli legfőbb forgalomnövelő az volt, ha egy előadó száma felkerült egy népszerű playlistre.

Mivel ritkán adódik alkalom arra, hogy a nálunk is népszerű Spotify munkatársával beszéljünk, ezért az előadás után megkerestük Erich Ludwigot. Főként arról beszélgettünk, hogy a szolgáltatáson belül hogyan tudja növelni a közönségét egy-egy előadó.

Az előadásodból úgy tűnt, hogy a Spotify-on a leghatékonyabban az növeli a hallgatottságot, ha egy szám felkerül egy playlistre.

Igen, ez valóban így van. Először is fontos látnunk, hogy vannak olyan playlistek, amelyeket a felhasználók raknak össze, és vannak a Spotify szerkesztői által készítettek. Ez utóbbiak nem úgy működnek, hogy a zenészek jelentkeznek, hogy “szeretnék erre felkerülni”, hanem a szerkesztők keresik, hogy mit tegyenek rá. Általában valamilyen téma fogja össze ezeket, például ilyenek: “hétfő reggel van, mi az a zene, ami segít beindítani a heted?”, vagy “péntek esti buli”. A másik fajta playlist, amit felhasználók hoznak létre – köztük zenészek, kiadók, promóterek, menedzserek. Talán Magyarországon érdemes volna minél több playlistet létrehozni, magyar címekkel, tehát mondjuk a “péntek esti bulit” magyarra lefordítani, hogy a magyar felhasználók könnyen rátaláljanak. Az Egyesült Államokban működik is ez a stratégia, például mindegyik major kiadónak van saját playlist brandje, de nem úgy hívják, hogy pl. “Universal Music playlist”, hanem úgy, hogy Digster. Persze sok saját zenéjüket belerakják, de nem kizárólagosan. Tehát érdemes ilyen sajátos élményt kínálni a hallgatóknak.

Nagyon érdekes a Fresh Finds playlist is, amit olyan dalokból állítunk össze, amelyekről úgy látjuk, hogy jönnek fel. Ez nem kizárólagosan angol nyelvű előadókból áll. Az összeállításban sok minden számít, nem csak a lejátszások száma. Minden hétfőn frissítjuk a Discover playlistet: ezt a felhasználóra szabjuk, vagyis amit te itt látsz, az különbözni fog attól, amit én látok, vagy amit a barátaid. Itt is jó eséllyel jelennek meg mindenféle, nemcsak angolszász előadók, függően a felhasználótól. A jövőben még többi ilyen szolgáltatást tervezünk, ami segít felfedezni érdekes, új zenéket. Az a célunk, hogy a világ minden részéről megtaláljuk ezeket, nem csak az Egyesült Államokban és Nagy-Britanniában.

Az előadásban említetted egyes előadók elemzésénél, hogy a Kapcsolódó zenészek menüpontból is sokan jutottak el hozzájuk. Én azt tapasztaltam, hogy a magyar zenészeknél szinte kizárólag magyar zenészeket jelenít meg, nem magyaroknál pedig soha nem láttam még magyart “kapcsolódni”.

Igen, ez komoly kihívást jelenthet, főleg egy magyar nyelven éneklő előadóknak. Érdemes ezért a szomszédos országokra koncentrálni, ott koncertezni, megjelenni, és nem azt a kérdést feltenni rögtön, hogy “hogyan fogunk Magyarországról betörni az Egyesült Államokba?”

Sok szó esik mostanában az emberi válogatás és az algoritmusok szerepéről, optimális együttműködéséről.

Mi az emberi kurátorság és az adatbányászat sajátos keverékét használjuk. Megpróbáljuk az adatok felől minél jobban megérteni a felhasználóinkat, és ez alapján megtalálni azt a zenét, ami tetszeni fog neki. Többféle módon, több szempontból közelítünk hozzájuk, próbáljuk megérteni őket. Például azt, hogy milyen zenét hallgatnak, nagyon összetett módon soroljuk be, nem csak úgy, hogy pop, rock stb., hanem egy nagyon bonyolult rendszert használunk, amit itt lehet megnézni. A felhasználó egyedi profiljában ezeket különböző csoportokba rendezzük, például ha megnézed az én felhasználói profilomat, ott a reggae különféle műfajait egy csoportba soroltuk, és azt mérjük. Vagyis igyekszünk nagyon mélyen végiggondolni, hogy milyen egy adott hallgató, hogy a legjobb, neki érdekes zenéket tudjuk ajánlani a számára. Miért fontos ez a zenészek számára? Mert nyilvánvalóan olyan közönséghez szeretnének eljutni, akik értik és értékelik a zenéjüket, és ez a rendszer pont ebben segít.

A zenéket hogyan soroljátok be a kategóriákba? A zenészek, kiadók, aggregátorok által megadott kategóriákból indultok ki, vagy algoritmikusan?

Ez nagyon érdekes kérdés, ugyanis pont annak a lényegét érinti, amit csinálunk: hogy minden szinten az emberi szakértelem és a gépi elemzés kombinációjáról van szó. Tehát amikor egy aggregátor vagy a kiadó feltölti a zenét, akkor valószínűleg kapcsol hozzá valamilyen műfaji címkét. Aztán ott vannak azok az adatforrások, hogy hogyan írják le a zenét az interneten különböző helyeken. Mondjuk az All Music Guide mit ír róla, vagy egy blogon megjelent kritika: ezeket mind megkeressük és figyelembe vesszük. Aztán emberi hozzájárulás is van. Mondjuk tegyük fel, hogy ellenőrizzük, hogy mit tart számon a rendszer a “magyar népzene” címke alatt. Egy ember meghallgatja ezeket, hogy tényleg eltaláltuk-e, hogy miről van szó, vagy bekerült mondjuk olyasmi, ami nem népzene, vagy nem magyar. Vagy ha magyar punkegyütteseket nézzük: nem az a cél, hogy eléd szórjunk 500 ilyen zenekart, és tessék, kezdjél vele, amit akarsz; hanem az emberi válogatás eredménye lehet mondjuk 50 zenekar, amelyek a magyar punk különböző oldalait mutatják meg. Tehát minden szinten az ember és a gép együttműködését találjuk. A gépek nagyon jók abban, hogy rengeteg adatot feldolgozzanak. Az emberek pedig nagyon jól tudnak véleményt alkotni a dolgokról, hogy “ez punk”, “nem, ez nem punk, hanem metal”. Ez pedig újabb gépi tanulás kiindulópontja lehet.

A Fresh Finds playlist



Kategóriák:Hírek

Címkék:,

Vélemény, hozzászólás?

Adatok megadása vagy bejelentkezés valamelyik ikonnal:

WordPress.com Logo

Hozzászólhat a WordPress.com felhasználói fiók használatával. Kilépés / Módosítás )

Twitter kép

Hozzászólhat a Twitter felhasználói fiók használatával. Kilépés / Módosítás )

Facebook kép

Hozzászólhat a Facebook felhasználói fiók használatával. Kilépés / Módosítás )

Google+ kép

Hozzászólhat a Google+ felhasználói fiók használatával. Kilépés / Módosítás )

Kapcsolódás: %s

%d blogger ezt kedveli: